汽车牌照自动识别系统算法研究

该文章研究基于计算机车牌自动识别的算法:图像预处理,车牌定位,字符分割,字符识别。运用模式识别、人工智能等技术,对采集到的汽车图像,实时准确的自动识别出车牌的数字、字母以及汉字字符,并以计算机可直接运行的数据形式给出识别结果。     

基于扇形特征和BP神经网络算法的字符识别

目的 根据字符的扇形特征提取方法,BP神经网络算法,寻求一种识别率较高的字符识别方法.方法 将待识别的文件进行图像预处理,然后对处理后的单字符使用扇形算法提取出32个特征量,组成特征向量,采用BP神经网络对特征向量进行训练和识别,最后应用选择性阈值最小距离方法对输出结果进行判断,减少误识别率.结果 通过使用扇形特征提取方法、BP神经网络和选择性阈值最小距离方法,达到了较好的字符识别效果,实验结果表明该方法识别精度较高,训练时间较短.结论 保持一定数量以上的训练样本和训练次数,可进一步提高字符识别的正确率.采用扇形特征和BP神经网络算法可应用于字符识别.     

一种新的激光刻蚀字符的识别方法

通过对铭牌字符结构特征和字符之间相对关系的分析,提出基于神经网络和隐马尔可夫模型的激光刻蚀字符的识别方法。提取字符图像中的端点、三叉点和四叉点,对传统三叉点的提取方法进行改进,并利用神经网络的方法计算出对应每个字符的概率值,再根据隐马尔可夫模型计算出状态转移的最大似然,从而识别整个字符串。实验表明上述方法适用于激光刻蚀铭牌字符的识别。     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenhauer矩特征提取方法,并将其应用于车牌汉字字符识别中．Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符．通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果．     

一种改进的快速嵌入式字符识别方法

针对手持式字符识别系统开发中系统对实时性要求较高、系统资源有限以及传统的支持向量机(SVM)分类方法难以同时满足识别率和识别速度的缺点,提出一种快速的SVM(FCSVM)分类算法。对支持向量集采用变换的方式,用少量的支持向量代替全部支持向量进行分类计算,在保证不损失分类精度的前提下使得分类速度较传统SVM算法有较大提高。实验结果表明,FCSVM算法较大幅度地减少了计算复杂度,提高了分类速度,尤其在嵌入式系统中效果更加明显。     

基于正交Gegenbauer矩的车牌汉字字符识别

针对已分割完成的车牌字符,提出了一种基于正交Gegenbauer矩特征提取方法,并将其应用于车牌汉字字符识别中.Gegenbauer矩法有别于其他传统的字符特征提取方法,它能获得字符的全局特征信息,因此可以唯一地表征一个字符.通过与其他方法的对比实验,可以看出此方法在低噪环境下具有更好的识别效果.     

基于机器视觉的轮胎胶料表面字符识别

针对目前轮胎胶料表面的5×7点阵喷码字符人工识别存在劳动强度大、效率低、智能化水平低等问题,提出了一种基于机器视觉的轮胎胶料表面字符识别方法,首先利用字符出现区域较为稳定且字符为黑底白字进行快速定位与背景分割、形态学操作消除干扰;然后创新性地运用简化垂直投影法配合字符宽度的阈值限制,并对"1"和"I"与其他字符宽度不同的特殊情况进行处理,实现字符分割;最后,采用基于标准相关匹配的模板匹配方法实现字符识别。实验结果表明,所提方法的字符识别准确率达到99.51%,达到了预期的识别效果。     

维吾尔新文字大小写同形字母的识别

为有效识别出新维文中大小写同形字母,分析新维文的特点,提出一种基于模板匹配的大小写同形字母识别算法。根据同形字母中大写字母外轮廓大而小写字母外轮廓小的特点,统计字母外轮廓大小与全文字母外轮廓平均大小的比例值,进行字母的大小写判断。分析结果表明,该方法有效克服了传统模板匹配方法容易混淆同形字母的大小写的缺点,提高了系统的识别率。     

透射成像纸币冠字号定位方法

纸币成像方式分为反射和透射成像两种方式。反射方式成像的纸币图像清晰、背景单一,但采集任意方向进入点验设备的冠字号图像需两个图像传感器,占用仓室空间大;相同条件下,透射方式仅需一个图像传感器,具有空间上的优势,但透射方式的图像背景复杂、两面图像重叠、易光照不均。针对这些问题,提出一种冠字号定位的新算法。检测冠字号的字符间间隙特征点;在特征点检测基础上,进行水平投影,根据人民币固有属性计算冠字号区域的准确水平位置;在水平定位基础上,通过定位欧姆龙环间接计算出冠字号区域的准确垂直位置;利用连通域标记算法定位出单个字符。对2000张正常流通05版人民币进行测试,定位正确率为100％。     

一种基于多特征提取的实用车牌识别方法

针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。